I.11Классификация, ранжирование и сопоставление

MeliodasT3qm7_YamshadowExperiment27pastiche — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/MeliodasT3qm7-7B и automerger/YamshadowExperiment27pastiche-7B. Модель содержит 7,1 млрд параметров и принимает текст для генерации продолжений и диалоговых ответов с контекстом до 32 768 токенов. Модель предназначена для генерации текста и ведения диалогов. В карточке указана лицензия Apache-2.0. Сведения о специализации по языкам или предметным областям отсутствуют.

MGM-Omni-7B — мультимодальная чат-модель, разработанная авторами проекта MGM-Omni и представленная в одноимённой статье. Это компонент восприятия проекта, основанный на дообученной Qwen2.5-VL-7B-Instruct; модель имеет плотную архитектуру MGMOmniForCausalLM и 7,1 млрд параметров. Для работы с речевым выводом README указывает отдельную модель MGM-Omni-TTS. Модель предназначена для диалогов с текстом, изображениями, видео и аудио. Среди заявленных сценариев — понимание длинной речи, включая записи длительностью до часа, мультимодальные вопросы и ответы, а также совместная обработка нескольких типов входных данных. В экосистеме MGM-Omni также заявлены генерация длинной речи, потоковый аудиовывод и клонирование голоса по короткому образцу, но для речевого синтеза требуется отдельный компонент SpeechLM. Модель рассчитана на английский и китайский языки. Контекст составляет 128 000 токенов. Репозиторий содержит веса в формате safetensors, библиотека запуска — Transformers. Лицензия Apache-2.0. Описание возможностей и сравнительных результатов в README носит заявительный характер; заявленные речевые функции зависят от дополнительной модели MGM-Omni-TTS.

JANGQ-AI выпустила JANG_2L — квантованную версию MiMo-V2.6-Flash-RL от XiaomiMiMo для запуска через MLX Studio или vMLX на Apple Silicon. Это модель семейства MiMo V2 с 12 млрд параметров и контекстом до 1 048 576 токенов; сохранены исходный токенизатор и шаблон чата, а также компоненты обработки изображений, видео и входного аудио. Основная часть весов использует смешанную низкую точность: эффективная разрядность составляет около 2,73 бита на параметр. Модель предназначена для диалогов, рассуждений, вызова инструментов и задач с визуальным или мультимодальным входом. Карточка приводит ограниченные измерения сохранения поведения после квантования, включая 5 из 6 тестов инструментального вызова в небольшом подмножестве; эти результаты не показывают общей точности на бенчмарках. В испытаниях отмечены ошибки интерпретации видео и деталей в совместных запросах с изображением и аудио; генерация аудио и синхронное понимание видео и аудио не квалифицированы. Для работы требуются MLX Studio или vMLX версии 1.6.65 или новее и JANG версии 2.5.48 или новее; для весов и активного кэша памяти нужно больше, чем указанный размер файлов. Лицензия — MIT.

MiniMax-M2.5-MLX-6bit — это 6-битно квантованная версия языковой модели MiniMax-M2.5, разработанной MiniMaxAI. Квантование выполнено командой LM Studio с использованием MLX и предназначено для запуска на компьютерах Apple Silicon. Модель относится к задачам генерации текста и совместима с библиотекой Transformers. В README не указаны архитектура исходной модели, количество параметров, поддерживаемые языки, размер контекстного окна или сведения о мультимодальности, поэтому эти характеристики нельзя достоверно описать. Ключевая особенность данной версии — снижение точности представления весов до 6 бит для оптимизации локального запуска на Apple Silicon; это может уменьшать требования к памяти, но потенциально влияет на качество по сравнению с полной точностью. Модель распространяется по лицензии modified-MIT; подробные условия приведены в репозитории MiniMaxAI. LM Studio не является разработчиком или владельцем модели и не гарантирует её точность, безопасность, доступность или соответствие конкретным требованиям. Модель может генерировать неточные, вредные или неподходящие результаты.

ehristoforu/mistral-distil-test-3 — текстовая генеративная модель на архитектуре Mistral, созданная с помощью mergekit методом passthrough на основе unsloth/Mistral-Nemo-Instruct-2407. В README приведена конфигурация объединения слоёв исходной модели; метаданные указывают 9 млрд параметров и формат safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает специальные предметные области или отдельные функции помимо текстовой генерации и чата. В метаданных указан контекст 1 024 000 токенов. Модель опубликована под идентификатором Hugging Face, однако сведения о лицензии в предоставленных данных отсутствуют.

CreitinGameplays/Mistral-Nemo-12B-R1-v0.1 — дообученная автором CreitinGameplays модель Mistral Nemo для генерации ответов в диалоге с упором на систематические рассуждения. Она основана на mistralai/Mistral-Nemo-Instruct-2407 и обучалась один проход на датасете Magpie-Reasoning-V2-250K-CoT-Deepseek-R1-Llama-70Bmistral; автор сообщает, что обучение заняло 96 часов на двух NVIDIA RTX A6000. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. Она принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов, а в интерфейсе модели заявлены чат и вызов инструментов. Основной язык обучения — английский, поэтому качество на других языках может быть ниже. Модель опубликована под лицензией MIT. Автор предупреждает, что после этапа рассуждений модель может зациклиться в бесконечной генерации; это следует учитывать при настройке лимита токенов и проверке ответов.

bartowski/Mixtral-8x22B-v0.1-GGUF — набор GGUF-квантизаций базовой текстовой генеративной модели Mixtral-8x22B-v0.1, исходная версия которой опубликована в репозитории mistral-community. Квантизацию выполнил bartowski с использованием llama.cpp. Модель предназначена для локального запуска и генерации текста, включая задачи продолжения текста и другие сценарии, поддерживаемые базовой языковой моделью. Модель использует архитектуру Mixture of Experts (MoE) и обозначение 8x22B; точное число активных параметров и размер контекста в README не указаны. Заявлена поддержка английского, французского, итальянского, немецкого и испанского языков. Это базовая модель без заданного формата промпта, поэтому форматирование запросов должен определять пользователь или приложение. Репозиторий предлагает варианты квантизации Q2_K, Q3, Q4, Q5 и IQ, размером примерно от 52 до 100 ГБ. Более высокие уровни обычно обеспечивают лучшее качество, но требуют больше памяти; низкие уровни позволяют запускать модель на системах с ограниченными ресурсами ценой качества. I-квантизации могут быть выгоднее по соотношению размера и производительности на некоторых конфигурациях, но имеют ограничения совместимости, в частности не поддерживаются Vulkan. Для работы требуется значительный объём RAM и/или VRAM, а модель разделена на несколько файлов. Лицензия — Apache-2.0.

Это размещённая Featherless AI сборка модели Llama 3.1 Nemotron 70B Instruct в формате GGUF с вариантами квантования. Она предназначена для генерации текста и диалогового общения; репозиторий перечисляет варианты IQ4_XS, Q2_K и Q3_K_L, а также сообщает о наличии ещё восьми строк вариантов квантования. Модель подходит для запуска чат-ассистента и генерации ответов на текстовые запросы. Размер базовой модели — 70 млрд параметров, однако размеры отдельных файлов в README относятся к папкам с вариантами квантования. Данных о поддерживаемых языках и длине контекста в предоставленных источниках нет. Варианты квантования позволяют выбирать между размером файлов и точностью представления весов; конкретные характеристики качества и требования к ресурсам не приведены. Лицензия в предоставленных данных не указана.

stromano02/model — дообученная языковая модель семейства Llama на основе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Разработчик — stromano02; модель обучена с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогового общения, а также поддерживает интерфейс вызова инструментов. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Контекстное окно составляет до 131 072 токенов. Репозиторий содержит веса в форматах GGUF и safetensors; указана поддержка английского языка. Лицензия — Apache-2.0. README не описывает специальную предметную область или конкретные преимущества дообучения.

MoEv4Config-TIESwithRescale-7b — слитая языковая модель, созданная с помощью LazyMergekit на основе Kukedlc/NeuTrixOmniBe-7B-model-remix, PetroGPT/WestSeverus-7B-DPO и vanillaOVO/supermario_v4. Это плотная модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для диалогов, составления и продолжения текстов, а также генерации ответов на запросы. README не описывает специализированные области применения или языки. Условия лицензирования в предоставленных данных не указаны.

MPT-1b-RedPajama-200b-dolly — языковая модель MosaicML для генерации текста и выполнения инструкций. Это плотный decoder-only трансформер MosaicGPT примерно на 1,3 млрд параметров: 24 слоя, 16 голов внимания и ширина 2048. Предварительное обучение проводилось на 200 млрд токенов RedPajama, а затем модель дообучили на наборе инструкций Databricks Dolly 15k. В архитектуре используются ALiBi и QK LayerNorm; позиционные эмбеддинги и смещения в слоях не применяются. Модель подходит для ответов на инструкции и вопросы, написания текстов и других задач генерации текста. Она принимает текст и генерирует текст; контекст обучения составлял 2048 токенов. Карточка требует загрузки с trust_remote_code=True, поскольку архитектура MosaicGPT не входит в стандартный пакет Transformers. Доступна по лицензии CC BY-SA 3.0.

Dumpling-Qwen2.5-32B-v2-GGUF — набор квантизированных GGUF-версий текстовой генеративной модели Dumpling-Qwen2.5-32B-v2, разработанной nbeerbower и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Доступны варианты квантизации от Q8_0 до форматов Q3 и IQ3/IQ4, с размером файлов примерно от 14,81 до 34,82 ГБ. Более крупные варианты обеспечивают более высокое качество, а младшие позволяют снизить требования к оперативной памяти; среди рекомендуемых указаны Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS. Для взаимодействия указан шаблон prompt в формате ChatML с маркерами <|im_start|> и <|im_end|>. Это текстовая модель без заявленной поддержки изображений или других модальностей. В README не указаны контекстное окно, поддерживаемые языки, точная архитектура и результаты бенчмарков, поэтому эти характеристики нельзя оценить по доступным данным. Ограничения зависят от выбранного уровня квантизации и доступных ресурсов; варианты с меньшим размером могут обеспечивать более низкое качество. Лицензия — Apache-2.0.

Nemomix-v4.0-12B-GGUF — GGUF-квантизированная версия языковой модели Nemomix-v4.0-12B, разработанной MarinaraSpaghetti. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix на калибровочном наборе данных. Модель предназначена для генерации текста и локального запуска через совместимые приложения, включая LM Studio. Модель содержит около 12 миллиардов параметров и представлена в нескольких вариантах точности: от F32 до Q2_K и IQ2_M. Доступны форматы Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-квантизации; размеры файлов варьируются примерно от 4,44 до 49 ГБ. Более высокие варианты сохраняют лучшее качество, а низкобитные требуют меньше оперативной памяти, но могут заметно уступать по качеству. Для модели не указаны поддерживаемые языки, размер контекста, точная архитектура и мультимодальные возможности. README не содержит сведений о лицензии. Шаблон чата явно не задан, поэтому указанный формат prompt может быть неподходящим; перед использованием рекомендуется проверить карточку исходной модели Nemomix-v4.0-12B.

NlpHUST разработала эту модель для распознавания именованных сущностей во вьетнамском тексте. Это дообученная на наборе VLSP 2018 модель NlpHUST/electra-base-vn на базе ELECTRA с 160,9 млн параметров и контекстом до 512 токенов; веса доступны в форматах PyTorch и Safetensors. Модель размечает сущности типов «персона», «место», «организация» и «прочее», её можно применять через pipeline NER в Transformers. На оценочной выборке VLSP 2018 общий F1 составил 0,9214, а точность — 0,9907. F1 для персон составил 0,9664, мест — 0,9365, организаций — 0,8833; для категории «прочее» результат ниже — 0,6218. Модель лицензирована по MIT. Ограничения качества за пределами указанной выборки и домена в карточке не описаны.

Neural-4-QA-7b — объединённая модель Mistral, созданная автором репозитория с помощью LazyMergekit на основе пяти моделей: yam-peleg/Experiment21-7B, CultriX/NeuralTrix-bf16, louisgrc/Montebello_7B_SLERP, CorticalStack/pastiche-crown-clown-7b-dare-dpo и chihoonlee10/T3Q-Mistral-Orca-Math-DPO. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и может применяться для диалоговых ответов и задач вопросно-ответного характера. По карточке нельзя определить, какие именно возможности исходных моделей сохранены или насколько хорошо модель справляется с отдельными задачами. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

NeuralBeagle-11B — разговорная языковая модель vicgalle для генерации текста и ответов в формате чата. Она основана на vicgalle/franken-Beagle-11B: модель собрана с помощью mergekit, затем дообучена методом DPO на наборе предпочтений argilla/distilabel-intel-orca-dpo-pairs. Архитектура — плотная MistralForCausalLM; размер составляет 10,6 млрд параметров, контекст — до 32 768 токенов. Модель подходит для диалогов, написания текстов и ответов на инструкции. В карточке приведены результаты тестов на рассуждение и понимание текста, но они не гарантируют качество для конкретных сценариев. В примере генерации модель рассматривает тему BDSM через метафорическую интерпретацию фильма для детской аудитории, поэтому ответы могут затрагивать взрослые темы. Модель распространяется по лицензии Apache-2.0.

neural-Kunoichi2-7B-slerp — объединённая модель для генерации текста, созданная с помощью LazyMergekit путём слияния SanjiWatsuki/Kunoichi-DPO-v2-7B и mlabonne/NeuralPipe-7B-ties. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — 8192 токена. Модель предназначена для генерации текста и диалоговых сценариев общего назначения. В README описано слияние методом SLERP с настройками, различающимися для слоёв внимания и MLP. Репозиторий также упоминает квантизованный вариант GGUF, тогда как метаданные указывают формат Safetensors. Лицензия в предоставленных данных не указана.

Corianas разработала Neural-Mistral-7B — диалоговую модель для генерации текста, полученную DPO-дообучением mistralai/Mistral-7B-Instruct-v0.2 на наборе Intel/orca_dpo_pairs. Модель построена на архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для общения используется формат инструкций Mistral с маркерами [INST] и [/INST]; модель доступна в формате safetensors и рассчитана на работу через Transformers. Модель подходит для диалоговых ответов и выполнения текстовых инструкций на английском языке. В README описана архитектура с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE. Лицензия — Apache 2.0. В карточке нет результатов оценки качества или подробных ограничений применения.

NeuralsirkrishnaShadow_Strangemerges_32Experiment28 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Experiment28-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, включая диалоговые сценарии и продолжение текстовых запросов. Контекст модели достигает 32 768 токенов. Репозиторий содержит веса в формате safetensors. В карточке не описаны языковая специализация или дополнительные возможности, поэтому её назначение можно определить как генерацию текста общего назначения. Модель распространяется по лицензии Apache-2.0.

OpenSourceEnjoyer опубликовал вариант Nous-Hermes-2-Mistral-7B-DPO, дообученный с помощью Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и генерирует текст; в метаданных указаны английский язык и контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит подробностей о данных обучения или результатах оценки, поэтому качество ответов и устойчивость к ошибочным или неоднозначным запросам по ней определить нельзя.

Nous-Hermes-2-SUS-Chat-34B-Linear — объединённая модель на основе архитектуры Llama, созданная автором Weyaxi с помощью mergekit. Веса объединены линейным методом из Nous-Hermes-2-Yi-34B и SUS-Chat-34B; модель содержит 33,9 млрд параметров и опубликована в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста в диалоговых сценариях и для задач, поддерживаемых базовыми моделями. Максимальная длина контекста составляет 8192 токена. В README приведены результаты оценки на Open LLM Leaderboard, включая среднее значение 73,69, но описание не уточняет целевые языки и специальные предметные области. Лицензия указана как other, поэтому условия использования следует проверять в репозитории и у базовых моделей. Результаты бенчмарков не гарантируют качество в конкретном приложении.

Nova-13B — языковая модель семейства Llama от Weyaxi, дообученная на базе AIDC-ai-business/Luban-13B. Она предназначена для генерации текста и может использоваться в диалоговых и других текстовых приложениях. В карточке указаны 12,9 млрд параметров, контекст до 4096 токенов и веса в формате Safetensors; в метаданных также указан датасет Open-Platypus. README приводит результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Модель поддерживает английский язык. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства на некоммерческих условиях.

Карточка модели bibek32/NuExtract3 на Hugging Face совпадает с карточкой numind/NuExtract3, поэтому описание составлено по ней. NuExtract3 — мультимодальная модель NuMind с 4 млрд параметров для понимания документов. Она дообучена на базе Qwen/Qwen3.5-4B и использует архитектуру Qwen3.5 для обработки текста и изображений. Модель поддерживает многоязычные документы и может работать в режимах с рассуждением и без него. Модель извлекает сведения из документов по заданному JSON-шаблону и инструкциям, преобразует изображения документов в Markdown, распознаёт текст и структуру таблиц, а также генерирует шаблоны извлечения по описанию на естественном языке. Её можно применять для подготовки документов к поиску и RAG, обработки счетов, квитанций, форм и договоров; README описывает запуск через vLLM с OpenAI-совместимым API и напрямую через Transformers. Внутренний тест NuMind на примерно 600 документах оценивает структурированное извлечение, включая визуальное понимание, OCR и работу с длинными входами и выходами; опубликованная в карточке таблица сообщает средний балл 0,651 для NuExtract3.4_4B-RL, а не явно для NuExtract3. Ограничения включают возможность циклов повторения и превышения лимита генерации в режиме рассуждения, из-за чего ответы могут не разбираться как JSON. Модель распространяется по лицензии Apache-2.0.

mlx-community подготовила версию OpenAI Privacy Filter в формате MLX и BF16, преобразовав модель openai/privacy-filter с помощью mlx-embeddings. Это двунаправленный разреженный MoE-классификатор токенов: он размечает фрагменты персональных данных в тексте BIOES-метками по восьми категориям — имена людей, адреса электронной почты, телефоны, URL, адреса, даты, номера счетов и секреты. Модель предназначена для локального выявления и последующего маскирования чувствительных данных в текстах. Версия содержит 145,4 млн параметров по метаданным; в README для исходной модели указано 1,5 млрд параметров, из которых активно 50 млн. Контекст составляет до 131 072 токенов. Доступны веса safetensors для MLX, лицензия Apache-2.0. Описание не указывает поддерживаемые естественные языки и не приводит оценок качества.

OpenBuddy-llemma-34b-v13.1 — модель семейства LLaMA, опубликованная проектом OpenBuddy как многоязычный чат-бот. Это плотная авторегрессионная языковая модель с 33,5 млрд параметров, предназначенная для генерации текста в диалоге и ответов на запросы. Модель принимает текст и генерирует текст; заявлены китайский, английский, французский, немецкий, японский, корейский, итальянский и русский языки. Длина контекста составляет 4096 токенов. Модель подходит для диалоговых интерфейсов и универсальных текстовых помощников. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, поэтому модель не следует применять в критических сценариях, включая медицину, управление потенциально опасными системами и важные финансовые или юридические решения. Использование регулируется лицензией Llama 2 от Meta; для доступа требуется одобрение Meta и соответствие её условиям.

OpenBuddy-Qwen1.5-32B-v21.1-32k — мног языковая диалоговая модель OpenBuddy на архитектуре Qwen2 с плотной трансформерной сетью и 31,7 млрд параметров. Она предназначена для общения и генерации ответов на запросы; поддерживает контекст до 32 768 токенов и работает с текстом на китайском, английском, французском, немецком, японском, корейском, итальянском, русском и финском языках. Модель можно применять для диалоговых помощников, ответов на вопросы и составления текстов на поддерживаемых языках. Для работы рекомендуется быстрый токенизатор Transformers; README также отмечает совместимость формата промптов с vLLM для развёртывания API. Модель распространяется по лицензии с обозначением «other»; README приводит предупреждение об ошибочных или нежелательных ответах и предостерегает от использования в критичных и высокорисковых сценариях.

titan087/OpenLlama13B-Guanaco — языковая модель семейства Llama на 12,9 млрд параметров, дообученная методом QLoRA на наборе timdettmers/openassistant-guanaco. Она предназначена для генерации текста в диалогах и ответов на инструкции. Модель использует архитектуру LlamaForCausalLM и формат PyTorch с весами safetensors; нативная длина контекста — 2048 токенов. В карточке приведены результаты оценки Open LLM Leaderboard: средний балл 41,32, ARC — 51,19, HellaSwag — 75,24. Язык набора данных — английский, поэтому в первую очередь модель рассчитана на англоязычные запросы. Лицензия в предоставленных данных не указана.

llama_3_orca_mini_v5_8b_dpo — диалоговая языковая модель общего назначения, созданная Pankaj Mathur на архитектуре Llama 3. Это плотная модель примерно на 7,5 млрд параметров, обученная с использованием наборов данных для DPO и предназначенная для общения и генерации текста. Карточка приводит формат промпта ChatML и результаты нескольких тестов рассуждения и следования инструкциям. Модель подходит для диалогового помощника, ответов на вопросы и генерации текста на английском языке. Контекстное окно составляет 8192 токена; веса доступны в форматах PyTorch и Safetensors. Для дальнейшей настройки и объединения с другими моделями автор разрешает использовать модель при условии указания авторства. Лицензия в метаданных — Llama 3.

Ornith-1.5-35B-A3B-Spark-Abliterated-VL-MTP-NVFP4 — объединённая мультимодальная модель на основе Ornith 1.5, подготовленная для запуска через vLLM на DGX Spark и похожих системах с ускорителями Blackwell и примерно 44 ГБ или более видеопамяти. Языковая часть взята из pottokao/Ornith-1.5-35B-A3B-abliterated-NVFP4-DFlash, а модуль обработки изображений и блок многотокенного предсказания — из ornith-ai/Ornith-1.5-35B-A3B-NVFP4. Модель использует архитектуру Qwen3.5 MoE и формат NVFP4; заявленный размер семейства — 35B параметров с 3B активных. Модель принимает текст и изображения, поддерживает диалог и интерфейс вызова инструментов. README описывает запуск на DGX Spark: автор сообщает о скорости более 70 токенов/с в одном потоке и около 400 токенов/с при 16 потоках. Карточка указывает английский язык. Лицензия — MIT. Версия содержит abliterated-языковую часть; README не приводит конкретных ограничений безопасности или результатов оценки качества.

Pernicious Prophecy 70B — англоязычная текстовая модель Black Ink Guild, созданная SicariusSicariiStuff и invisietch для ролевых диалогов, работы ассистента и задач общего назначения. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров; она использует формат инструкций Llama 3 Instruct и поддерживает контекст до 131 072 токенов по метаданным. Авторы тестировали ролевые сценарии на контексте до 32 768 токенов и рекомендуют этот размер. Модель получена слиянием четырёх моделей Llama 3 и последующим целевым QLoRA дообучением на примерно 18 млн токенов. README приводит примеры развёрнутых творческих ответов и генерации кода, а также отмечает чувствительность к формулировкам запросов. Модель позиционируется как uncensored и может выдавать оскорбительный, опасный или иной нежелательный контент. Указана лицензия llama3.3.